金融科技Fintech發(fā)展趨勢分析

1.金融業(yè)全流程的效率提升——金融科技產(chǎn)業(yè)演進趨勢金融科技的本質是通過信息技術的引入實現(xiàn)金融業(yè)全流程的效率提升；演進趨勢：從互聯(lián)網(wǎng)金融到數(shù)據(jù)金融，從去中介化到金融業(yè)務核心、從流量至上到技術為王、從單一主體到龐大產(chǎn)業(yè)鏈2.大數(shù)據(jù)、人工智能、區(qū)塊鏈——Fintech的核心技術能力Fintech的基礎技術能力是互聯(lián)網(wǎng)，互聯(lián)網(wǎng)金融是Fintech發(fā)展中的重要組成部分；核心技術能力：大數(shù)據(jù)、人工智能、區(qū)塊鏈3.共享&賦能——Fintech商業(yè)模式演進方向信貸市場線上滲透率僅為1%，龐大空間、巨大的用戶需求、競爭型的市場格局、可觀的客戶價值不斷吸引新進入者；日益提升的獲客成本、風控成本、合規(guī)要求是新進入者越來越難逾越的門檻；共享&賦能：能力者向潛在進入者共享能力4.場景平臺、流量平臺、交易平臺——賦予各類平臺普惠金融的能力建立Fintech平臺，向消費場景、交易平臺、數(shù)據(jù)平臺賦能，使得其他平臺獲得普惠金融的能力，從而實現(xiàn)更為廣泛的普惠金融。5.市場上的其他能力者核心要點第一頁，共38頁。金融科技產(chǎn)業(yè)演進路徑Chapter1第二頁，共38頁。金融科技產(chǎn)業(yè)演進路徑起步階段發(fā)展初期目前階段未來趨勢20世紀70年代中后期20世紀90年代中后期2010年前后開始—金融電子化金融信息化/互聯(lián)網(wǎng)金融數(shù)據(jù)金融/機器輔助決策智慧金融/機器決策技術條件計算機互聯(lián)網(wǎng)大數(shù)據(jù)人工智能計算機互聯(lián)網(wǎng)大數(shù)據(jù)計算機互聯(lián)網(wǎng)/區(qū)塊鏈計算機從互聯(lián)網(wǎng)金融到數(shù)據(jù)金融，我國金融科技發(fā)展已歷經(jīng)三大階段在過去的十數(shù)年中，互聯(lián)網(wǎng)對于傳統(tǒng)金融業(yè)態(tài)的變革一直在不斷發(fā)生，集中體現(xiàn)于支付結算的線上化、金融產(chǎn)品銷售的電商化，以及信貸業(yè)務的P2P化。而在此前，我國科技金融的發(fā)展已歷經(jīng)三個大的核心階段，分別是：1）20世紀70年代中后期開始的金融信息化起步：以早期的計算機及局域網(wǎng)絡為主，計算機逐步代替手工操作，并實現(xiàn)全流程的電子化；2）20世紀90年代中后期進入到互聯(lián)網(wǎng)金融的階段：中國接入全球互聯(lián)網(wǎng)，金融信息化/互聯(lián)網(wǎng)金融的時代隨之到來，主要體現(xiàn)的是渠道信息化；3）2010年后進入到數(shù)據(jù)金融/機器輔助決策階段：移動互聯(lián)網(wǎng)時代的到來推動了大數(shù)據(jù)、云計算技術的迅速鋪開，此時，信息技術正在逐步滲透到金融業(yè)務核心部門，機器成為金融決策的重要輔助，而機器實現(xiàn)絕大部分自主決策的智慧金融階段也為之不遠。我國科技金融發(fā)展歷經(jīng)三大核心階段第三頁，共38頁。金融科技產(chǎn)業(yè)演進路徑從去中介化到金融業(yè)務核心，F(xiàn)intech不再局限于純流量貢獻Fintech的互聯(lián)網(wǎng)金融階段主要聚焦于金融脫媒/去中介化，去中介化已是全球金融業(yè)自由化發(fā)展的核心方向。在互聯(lián)網(wǎng)金融蓬勃發(fā)展的過程中，整個商業(yè)形態(tài)快速迭代，互聯(lián)網(wǎng)幾乎改變了傳統(tǒng)金融的渠道體系。在這個過程中，受到影響最為深遠的是金融中介。Fintech進入金融核心，對于傳統(tǒng)金融的影響愈加廣泛和深入。在互聯(lián)網(wǎng)技術逐步成熟的今天，以大數(shù)據(jù)、云計算、人工智能為代表的創(chuàng)新技術正再一次的席卷眾多傳統(tǒng)行業(yè)，金融業(yè)以其龐大的市場容量再次成為市場焦點。這一次，技術創(chuàng)新的核心目標將聚焦于信用、風控、投資等多個領域。因此，Tech對于金融業(yè)的影響將愈加廣泛和深入，這也是互聯(lián)網(wǎng)金融和科技金融（Fintech）的重大差異。銀行基金證券保險…支付/結算銷售/代銷交易/經(jīng)紀銷售/理賠…理財/投資投資/風控投顧/資管精算/定價…風控/信貸發(fā)行/承銷………………影響廣度影響深度Fintech對于傳統(tǒng)金融模式的影響愈加廣泛和深入第四頁，共38頁。金融科技產(chǎn)業(yè)演進路徑技術創(chuàng)新階段技術創(chuàng)新階段

疊加商業(yè)模式后的蓬勃發(fā)展階段時間周期產(chǎn)業(yè)規(guī)模技術創(chuàng)新階段從流量至上到技術為王，戰(zhàn)略目標已發(fā)生根本性變化互聯(lián)網(wǎng)傳統(tǒng)的商業(yè)邏輯是流量為王，這在網(wǎng)絡媒體、電子商務以及電子支付、互聯(lián)網(wǎng)金融的早期階段均已經(jīng)充分體現(xiàn)。從流量至上到技術為王是“不得已”更是行業(yè)趨勢。BAT等巨頭已經(jīng)在市場中形成了較為穩(wěn)定的競爭優(yōu)勢，流量集中的行業(yè)特征已經(jīng)極為明顯。因此，“不得已“走向技術為王的方向是目前垂直企業(yè)選擇差異化競爭的核心策略；而與此同時，網(wǎng)民增長紅利消磨殆盡、移動互聯(lián)網(wǎng)時代即將落幕，人工智能走上前臺，信息科技行業(yè)再次進入了技術創(chuàng)新并尋求商業(yè)模式變現(xiàn)的新階段。從規(guī)模至上的粗獷發(fā)展到依托技術能力的精細化運營是目前互金行業(yè)發(fā)展的核心特征。粗獷發(fā)展意味著盡可能的最求強勁成長性，但伴隨著監(jiān)管靴子落地、企業(yè)融資進入中后期，互聯(lián)網(wǎng)金融企業(yè)發(fā)展的核心要求在發(fā)生變化。精細化運營意味著提升獲客能力、提升反欺詐能力、提升數(shù)據(jù)風控能力，同時降低獲客成本、降低風險成本、提升ARPU值，技術能力對運營效果的支撐作用愈加明顯。信息科技產(chǎn)業(yè)發(fā)展周期曲線 不同發(fā)展階段的差異化戰(zhàn)略目標戰(zhàn)略模式粗獷模式精細化運營戰(zhàn)略側重規(guī)模為王技術為王戰(zhàn)略目標蛋糕/融資/生存維持可持續(xù)高速發(fā)展、利潤貢獻第五頁，共38頁。資料來源：CBInsights傳統(tǒng)金融機構組織體系龐大，體系內的自主、可控是大多數(shù)金融機構業(yè)務拓寬的核心路徑。而在Fintech的大背景下，行業(yè)分工將實現(xiàn)進一步精細化和模塊化。從橫向業(yè)務范圍上看，（如右圖所示）單一傳統(tǒng)金融主題可提供的服務將被眾多的Fintech企業(yè)主體所分解，實現(xiàn)單一業(yè)務類型的差異化和靈活化。從縱向業(yè)務流程上看，單一業(yè)務流程也被眾多Fintech參與主體拆解。以信貸為例，包括獲客、前段審核、中期風控以及后期催收管理均已形成完善的產(chǎn)業(yè)鏈，整體分工進一步精細化和模塊化。金融科技產(chǎn)業(yè)演進路徑從單一主體到龐大產(chǎn)業(yè)鏈，行業(yè)分工進一步精細化Fintech促進金融分工模塊化、精細化6第六頁，共38頁。來源：艾瑞咨詢金融科技產(chǎn)業(yè)演進路徑新的內核：互聯(lián)網(wǎng)金融進入Fintech的全新發(fā)展階段政策紅利讓互聯(lián)網(wǎng)金融一度被譽為野蠻生長的行業(yè)，而歷經(jīng)10年的發(fā)展監(jiān)管與互聯(lián)網(wǎng)金融之間已經(jīng)逐漸熟悉，隨著中國互聯(lián)網(wǎng)金融協(xié)會的成立，規(guī)范與安全成為行業(yè)發(fā)展的主旋律，同時也意味著原本寬松的政策環(huán)境有收緊的趨勢。2016年后，業(yè)界也明顯感受到了行業(yè)寒冬，互聯(lián)網(wǎng)金融概念走下神壇，十年野蠻，一朝落幕。然而互聯(lián)網(wǎng)金融并沒有因此消失，取而代之的金融科技正以星火燎原之勢，整體行業(yè)已進入金融科技的全新發(fā)展階段。互聯(lián)網(wǎng)金融與金融科技市場熱度示意圖金融科技互聯(lián)網(wǎng)金融7市場熱度時間2016第七頁，共38頁。金融科技產(chǎn)業(yè)演進路徑發(fā)展趨勢：技術化、數(shù)據(jù)化、場景化、模塊化、平臺化技術化：信息技術創(chuàng)新與金融技術創(chuàng)新包括在風險定價、量化交易、交易決策以及風險控制等核心金融領域，技術化會滲透至金融體系的內核。數(shù)據(jù)化：AI的基礎條件金融是個極強數(shù)據(jù)導向的行業(yè)，大數(shù)據(jù)將對原有結構化數(shù)據(jù)體系產(chǎn)生巨大沖擊。當下，大數(shù)據(jù)已開始在精準營銷、風險控制、風險定價、量化投資等諸多領域展開實質性滲透。場景化：獲客+風控+C2B場景化是金融服務與實體經(jīng)濟結合的必然需求，也是實現(xiàn)從獲客、產(chǎn)品C2B到風險控制完整閉環(huán)的必然需求。模塊化：行業(yè)分工的精細化單一傳統(tǒng)金融主題可提供的服務將被眾多的Fintech企業(yè)主體所分解，實現(xiàn)單一業(yè)務類型的差異化和靈活化。從縱向業(yè)務流程上看，單一業(yè)務流程也被眾多Fintech參與主體拆解。發(fā)展趨勢IndustryTrends平臺化：追求規(guī)模經(jīng)濟后流量時代，在新一輪技術創(chuàng)新的推動下，技術能力同樣將成為平臺化的基礎，而不再局限于流量。289第八頁，共38頁。技術基礎：三大技術構成核心技術基礎Chapter2第九頁，共38頁?？v觀目前階段下的金融科技創(chuàng)新方向，我們認為，大數(shù)據(jù)、人工智能和區(qū)塊鏈將是繼互聯(lián)網(wǎng)/移動互聯(lián)網(wǎng)之后的Fintech發(fā)展的三大核心技術基礎。三大技術之間沒有迭代關系，沒有時間軸關系，而是在不同層級同時支撐Fintech發(fā)展。技術基礎：三大技術構成核心技術基礎技術基礎：三大技術構成核心技術基礎新階段下的風險控制及風險定價體系從分析到最終決策重構底層互聯(lián)網(wǎng)大數(shù)據(jù)BigData291人工智能ArtificialIntelligence區(qū)塊鏈BlockChain第十頁，共38頁。技術基礎：三大技術構成核心技術基礎大數(shù)據(jù)：新階段下的風險控制及風險定價體系數(shù)據(jù)是金融的核心，因此在大數(shù)據(jù)時代下，大數(shù)據(jù)必將觸及金融最緊繃的那跟弦——風險定價與風險控制。若將大數(shù)據(jù)分析分為四個層次，互聯(lián)網(wǎng)金融發(fā)展階段中，大數(shù)據(jù)技術主要應用于數(shù)據(jù)架構和信息整合（第1層+第2層）,可實現(xiàn)初步的分析和決策（第3層）。非結構化數(shù)據(jù)體系下，人工建模+數(shù)據(jù)已經(jīng)難以滿足數(shù)據(jù)分析需求。由于傳統(tǒng)數(shù)據(jù)分析模型對于多維度、多形態(tài)的數(shù)據(jù)存在不適用的情況，因此該類技術應用僅僅是大數(shù)據(jù)分析的初級階段。大數(shù)據(jù)+機器學習是金融數(shù)據(jù)計算分析的未來。在目前的狀態(tài)下，數(shù)據(jù)體量異常巨大、數(shù)據(jù)類型異常繁多、價值密度極低，因此需要通過更為強大的機器算法能夠實現(xiàn)模型的迅速矯正，因此，機器學習+大數(shù)據(jù)將是金融數(shù)據(jù)分析的核心方向。大數(shù)據(jù)人工智能區(qū)塊鏈數(shù)據(jù)來源：36氪研究院292第十一頁，共38頁。大數(shù)據(jù)分析的主要金融應用：個人征信、授信與風控個人征信、授信及風控主要是圍繞借貸環(huán)節(jié)進行的，覆蓋貸前評估、貸中監(jiān)控和貸后反饋三個環(huán)節(jié)。1、貸前評估：國內個人征信試點于2015年才開始試行，最具代表的是芝麻信用。阿里體系的交易數(shù)據(jù)以及螞蟻體系的金融數(shù)據(jù)形成強有力的數(shù)據(jù)支撐，自主研發(fā)信貸模型可用以支持銀行、小貸機構進行征信及授信活動。信貸模型的訓練需要人工智能技術作為輔助，通過機器學習不斷完善模型并實時校正。2、貸中監(jiān)測：主要是通過用戶在貸款期的行為數(shù)據(jù)來發(fā)現(xiàn)問題客戶并及時報警。3、貸后反饋：基于用戶本次貸款期間的數(shù)據(jù)，對該用戶原有信貸記錄評分進行補充，提升或降低其信用額度以供后續(xù)使用。技術基礎：三大技術構成核心技術基礎大數(shù)據(jù)分析的主要金融應用：征信與風控1、貸前評估自主研發(fā)信貸模型可用以支持銀行、小貸機構進行征信及授信活動。信貸模型的訓練需要人工智能技術作為輔助，通過機器學習不斷完善模型并實時校正。3、貸后反饋基于用戶本次貸款期間的數(shù)據(jù)，對該用戶原有信貸記錄評分進行補充，提升或降低其信用額度以供后續(xù)使用。2、貸中監(jiān)控主要是通過用戶在貸款期的行為數(shù)據(jù)來發(fā)現(xiàn)問題客戶并及時報警。大數(shù)據(jù)人工智能區(qū)塊鏈數(shù)據(jù)來源：36氪研究院12第十二頁，共38頁。技術基礎：三大技術構成核心技術基礎細分領域應用方向細分技術內容自動報告生成投資銀行、證券研究自然語言處、OCR人工智能輔助量化交易機器學習、自然語言處理、知識圖譜金融搜索引擎證券研究自然語言處理、知識圖譜、信息切片與信息聚合智能投顧資產(chǎn)管理感知智能人工智能：從分析到最終決策人工智能在金融領域中的應用，相較于大數(shù)據(jù)而言的核心突破在于深度學習、智能分析和最終的智能決策。大數(shù)據(jù)、云計算、智能硬件以及后續(xù)的區(qū)塊鏈技術等都是支撐人工智能上層技術的基礎。智能數(shù)據(jù)分析在金融領域涵蓋了投資、借貸、保險和征信行業(yè)，相關技術的運用成為業(yè)務開展的基礎，同時也支持了金融產(chǎn)品的創(chuàng)新，包括新型的保險及投資產(chǎn)品。在金融領域，人工智能主要有以下四類應用：①自動報告生成、②金融智能搜索、③輔助量化交易、④智能投顧方向。FinAI核心應用領域包含從研究到交易的大量核心環(huán)節(jié)大數(shù)據(jù)人工智能區(qū)塊鏈數(shù)據(jù)來源：36氪研究院13第十三頁，共38頁。技術基礎：三大技術構成核心技術基礎區(qū)塊鏈（Blockchain）是一種分布式共享數(shù)據(jù)庫從技術角度來看，比特幣的系統(tǒng)包括三層：底層技術——區(qū)塊鏈；中層鏈接——協(xié)議；上層——貨幣。上層是貨幣，在這里指的是比特幣。中間層是協(xié)議，也就是基于區(qū)塊鏈的資金轉賬系統(tǒng)；底層技術是區(qū)塊鏈，去中心化、分布式記錄的公開透明的交易記錄總賬，其交易數(shù)據(jù)全網(wǎng)節(jié)點共享。礦工負責記錄，全網(wǎng)監(jiān)督；區(qū)塊鏈（Blockchain）是一種分布式共享數(shù)據(jù)庫（數(shù)據(jù)分布式儲存和記錄），利用去中心化方式集體維護一本數(shù)據(jù)簿的可靠性的技術方案。該方案要讓參與系統(tǒng)中的任意多個節(jié)點，通過一串使用密碼學方法相關聯(lián)產(chǎn)生的數(shù)據(jù)塊（即區(qū)塊，block），每個數(shù)據(jù)塊中都包含了一定時間內的系統(tǒng)全部信息交流的數(shù)據(jù)，并生成數(shù)據(jù)“密碼”用于驗證其信息的有效性和鏈接下一個數(shù)據(jù)塊。比特幣是一種全球范圍內可交易的電子貨幣，是目前區(qū)塊鏈技術最成功的應用。當前銀行等機構更多關注的也正是比特幣背后的區(qū)塊鏈技術。大數(shù)據(jù)人工智能區(qū)塊鏈數(shù)據(jù)來源：36氪研究院14第十四頁，共38頁。技術基礎：三大技術構成核心技術基礎區(qū)塊鏈建立了“強制信任”的關系強制信任：智能合約。在合同中約定的條件被觸發(fā)時，合約內容能夠自動生效執(zhí)行。智能合約的原理類似于計算機中的If-Then語句，它能夠幫助我們在金融領域建立一種智能管理的體系。當保險合約等自動判斷滿足賠付條件時，保險費將自動劃撥賠付，從而免去了以往的保險理賠中中間一系列的流程。當然，“強制信任”可被用于諸多領域。應用領域應用前應用后支付結算用戶發(fā)出結算、轉賬指令，銀行或第三方平臺確認后完成交易用戶發(fā)出結算、轉賬指令，交易信息被礦工添加到區(qū)塊鏈上交易即完成資產(chǎn)交易用戶雙方達成交易意向，中心交易系統(tǒng)確認后完成交易用戶雙方達成交易意向，交易信息被礦工添加到區(qū)塊鏈上交易即完成登記確權登記信息由紙質文件或單一數(shù)據(jù)庫系統(tǒng)保存登記信息由一套共有網(wǎng)絡數(shù)據(jù)庫存儲智能合約簽訂合約后，需人工判斷合約條件是否生效并執(zhí)行合約簽訂合約后，在現(xiàn)實情況達到合約規(guī)定是將自動執(zhí)行合約內容快速審計公司準備相關材料，會計師事務所派遣項目組進駐公司核查財務狀況給出審計意見公司經(jīng)營數(shù)據(jù)對審計師公開，審計師分析公司準確財務報表后給出審計意見互助保險、眾籌用戶需要一個中心平臺發(fā)布眾籌、互助保險信息用戶可將發(fā)布的信息廣播至公開網(wǎng)絡保險定價保險公司根據(jù)簡單信息制定階梯式的定價模式保險公司將根據(jù)更全面、準確的信息制定差異化的保險價格大數(shù)據(jù)人工智能區(qū)塊鏈數(shù)據(jù)來源：15第十五頁，共38頁。技術基礎：三大技術構成核心技術基礎區(qū)塊鏈將重塑傳統(tǒng)互聯(lián)網(wǎng)的底層基礎應用領域應用前應用后投票機制投票后將選票匯集到一個中心進行計票在全網(wǎng)公開投票，回溯整個網(wǎng)絡完成計票且計票結果對全網(wǎng)公開醫(yī)療健康個人健康數(shù)據(jù)于各個醫(yī)院、藥店、保險公司分塊儲存完整、準確存儲個人醫(yī)療信息，并對特定節(jié)點公開認證需要第三方機構進行認證身份、合約信息將被網(wǎng)絡中所有節(jié)點承認，不需要額外第三方的認證物聯(lián)網(wǎng)由一個中央控制器控制一個局域網(wǎng)內設備的運轉每一設備作為一個節(jié)點在網(wǎng)絡中自由交互，不再需要中央控制器通訊需要運營商服務器轉移、傳遞消息網(wǎng)絡中節(jié)點自動完成消息傳遞，無需中央服務器。消息獎杯傳遞給每一個人，但只有擁有私鑰的人能夠讀取數(shù)據(jù)存儲個體單獨建立自己的數(shù)據(jù)庫，彼此之間不共享構造一個的網(wǎng)絡數(shù)據(jù)庫，數(shù)據(jù)以統(tǒng)一格式存儲云計算需要云服務器的計算能力來完成用戶訪問和操作調動網(wǎng)絡中所有節(jié)點的計算能力滿足用戶操作數(shù)字產(chǎn)品數(shù)字產(chǎn)品需要第三方機構的認定確認版權產(chǎn)品發(fā)布之后自動確認版權域名管理用戶需要向域名管理商申請域名，管理商負責域名的管理和租賃工作用戶可以以聲明的方式申請解析域名大數(shù)據(jù)人工智能區(qū)塊鏈數(shù)據(jù)來源：16第十六頁，共38頁。Fintech商業(yè)模式演進方向共享|賦能Chapter3第十七頁，共38頁。共享|賦能——金融科技向未來信貸的線上滲透率僅為1%，科技對金融的影響剛剛開始根據(jù)零壹財經(jīng)數(shù)據(jù)顯示，中國整體個人理財市場規(guī)模約為40-50億元，線上理財接近2萬億，滲透率4%；人民銀行及艾瑞咨詢數(shù)據(jù)顯示，2016年網(wǎng)絡信貸余額為1.2萬億，占中國整體境內信貸余額1%；易觀數(shù)據(jù)顯示，網(wǎng)絡支付/網(wǎng)商銀行為1%，移動支付/手機銀行為22%。相較于網(wǎng)絡購物14%的滲透率，互聯(lián)網(wǎng)金融相關業(yè)務依然有巨大的滲透率空間，尤其是網(wǎng)絡信貸和互聯(lián)網(wǎng)理財領域。020406080100120個人理財規(guī)?；ヂ?lián)網(wǎng)理財規(guī)模貸款余額（境內）網(wǎng)絡信貸余額互聯(lián)網(wǎng)金融各細分市場規(guī)模及滲透率（萬億）0.0500.01000.01500.02000.02500.0網(wǎng)上銀行互聯(lián)網(wǎng)支付手機銀行移動支付網(wǎng)絡支付各細分市場規(guī)模及滲透率（萬億）0.05.010.015.020.025.030.035.0社零售總額網(wǎng)絡購物108.850滲透率4%滲透率1%2.01.2數(shù)據(jù)來源：人民銀行、艾瑞咨詢、易觀智庫、零壹財經(jīng)1%1990.0滲透率22%滲透率19.1158.735.333.2滲透率14%4.7中國網(wǎng)購規(guī)模及滲透率（萬億）第十八頁，共38頁。共享|賦能——金融科技向未來22.7%17.3%95.6%78.9%89.1%30.6%24.6%98.7%95.2%92.9%0.0%20.0%40.0%60.0%80.0%100.0%網(wǎng)貸余額網(wǎng)貸交易移動支付互聯(lián)網(wǎng)支付網(wǎng)絡購物競爭型市場巨頭難覓，市場入口依然開放參照網(wǎng)貸之家數(shù)據(jù)，網(wǎng)貸行業(yè)CR4<30%、CR8<40%，是典型的競爭型市場，明顯區(qū)別于支付及網(wǎng)絡購物等同類交易型領域。因此網(wǎng)貸并非典型的流量型市場，而目前核心玩家的主要工作依然聚焦于如何把蛋糕做大，而并非如何切分競爭對手的蛋糕。因此：一個巨大且不斷增長的市場+競爭格局相對友好的市場環(huán)境=依然開放的市場入口，未來一定有更多的新進入者參與進來?；ヂ?lián)網(wǎng)領域部分交易型市場CRn（4,8）分布40%30%CR4 CR8注釋：網(wǎng)貸余額數(shù)據(jù)截止2017年4月；網(wǎng)貸交易規(guī)模為2017年4月數(shù)據(jù)；移動支付、互聯(lián)網(wǎng)支付為2016年Q4數(shù)據(jù)、網(wǎng)絡購物數(shù)據(jù)為2016年網(wǎng)購B2C數(shù)據(jù)。數(shù)據(jù)來源：網(wǎng)貸之家、艾瑞咨詢第十九頁，共38頁。數(shù)據(jù)來源：網(wǎng)貸之家共享|賦能——金融科技向未來細分領域參與者數(shù)量保持同比增長網(wǎng)貸之家數(shù)據(jù)顯示，截止2017年4月，網(wǎng)貸平臺累計數(shù)量已高達5890家，存量平臺2265家，大浪淘沙，超過50%的平臺已停業(yè)。拋開民營系大量平臺停業(yè)給市場整體帶來的影響，各類型企業(yè)數(shù)量依然處于增長過程中，風投系增速最快，整體市場參與者類型不斷豐富。-60.0%-30.0%0.0%30.0%60.0%90.0%2017.012017.022017.032017.04民營系銀行系上市公司系國資系風投系各類平臺數(shù)量同比增長情況（2017年1-4月）-8.0%-4.0%0.0%4.0%8.0%12.0%2016.02 2016.04 2016.06 2016.08 2016.10 2016.12 2017.02 2017.04民營系銀行系上市公司系國資系風投系各類平臺數(shù)量環(huán)比增長情況（2017年1-4月）第二十頁，共38頁。存量線下業(yè)務線上化增量需求數(shù)據(jù)來源：共享|賦能——金融科技向未來傳統(tǒng)金融機構是線上化主體，資源型平臺是核心新進入者來源從增量來源看，傳統(tǒng)業(yè)務的線上化、增量需求（消費升級所帶來的超前消費和SME的市場打開）將是未來市場的核心增量來源；從企業(yè)類型角度出發(fā)：傳統(tǒng)金融機構是線上化的主體；資源型平臺（場景、流量、數(shù)據(jù)和資金等）是核心新進入者。新進入者各自訴求存在差異，但資源變現(xiàn)依然是主旋律。①流量、數(shù)據(jù)平臺通過金融業(yè)務實現(xiàn)流量和數(shù)據(jù)資源變現(xiàn)；②場景平臺通過金融實現(xiàn)主營業(yè)務提升和金融業(yè)務變現(xiàn)；③資金型平臺則通過互金業(yè)務實現(xiàn)資金效率的最大化。用戶場景平臺數(shù)據(jù)平臺（數(shù)據(jù)資源及數(shù)據(jù)能力）網(wǎng)貸業(yè)務經(jīng)營主體流量入口（含線上+線下to線上）資金平臺網(wǎng)貸產(chǎn)業(yè)鏈及潛在新進入者網(wǎng)貸增量市場構成第二十一頁，共38頁。數(shù)據(jù)來源：共享|賦能——金融科技向未來303時間監(jiān)管部門法規(guī)內容2016年國務院《互聯(lián)網(wǎng)金融風險專項整治工作實施方案》進一步規(guī)范各類互聯(lián)網(wǎng)金融業(yè)態(tài)，是專項整治的“1+N”牽頭文件。2016年人民銀行《網(wǎng)絡借貸信息中介機構業(yè)務活動管理暫行辦法》明確要求網(wǎng)絡借貸回歸中介本質，采取備案制監(jiān)管思路，明確了網(wǎng)絡借貸的小額、分散的理念。2016年人民銀行聯(lián)合銀監(jiān)會《關于加大對新消費金融領域金融支持的指導意見》鼓勵銀行業(yè)金融機構探索運用互聯(lián)網(wǎng)等技術手段開展遠程客戶授權，實現(xiàn)消費貸款線上申請、審批和放貸；2015年人民銀行《關于做好個人征信業(yè)務準備工作的通知》要求芝麻信用、騰訊征信有限公司等八家機構做好個人征信業(yè)務的準備工作，準備時間為六個月；2015年人民銀行聯(lián)合十部委《關于促進互聯(lián)網(wǎng)金融健康發(fā)展的指導意見》行業(yè)基本法。明確了互聯(lián)網(wǎng)金融的定義，明確互聯(lián)網(wǎng)金融監(jiān)管責任，為后續(xù)行業(yè)監(jiān)管提供參考基礎；2013年人民銀行《征信機構管理辦法》是《征信業(yè)管理條例》的重要配套制度，遵循了個人征信機構從嚴、企業(yè)征信機構從寬等核心監(jiān)管思路；2013年銀監(jiān)會《消費金融公司試點管理辦法》修訂2009年版《消費金融公司試點管理辦法》，為試點消費金融公司準入、監(jiān)管和規(guī)范提供法律保障；2010年人民銀行《非金融機構支付服務管理辦法》第三方支付監(jiān)管基本法，明確實行牌照制，自2011年起陸續(xù)發(fā)放；監(jiān)管深入，行業(yè)門檻進一步提升循序漸進，監(jiān)管走上正軌，政策已經(jīng)探底，未來監(jiān)管將進一步常態(tài)化。技術能力將是企業(yè)生存和行業(yè)凈化的核心標準。認為監(jiān)管的核心要點在于：中介屬性、小額分散、牌照與核準并行。同時，鼓勵傳統(tǒng)金融機構與Fintech/互聯(lián)網(wǎng)金融的快速融合；市場對于的金融科技企業(yè)的合規(guī)發(fā)展要求進一步提升，行業(yè)門檻進一步提升。中介化、普惠金融的有效補充、與傳統(tǒng)金融的深度融合是監(jiān)管的核心思路第二十二頁，共38頁。數(shù)據(jù)來源：1、官方信用人口覆蓋不全面：2015年，我國信貸人口覆蓋3.8億人，滲透率僅為27.6%，而同時期美國信貸人口滲透率為82.0%。2、多重因素造成數(shù)據(jù)孤島數(shù)據(jù)孤島：當下的互聯(lián)網(wǎng)產(chǎn)業(yè)環(huán)境，巨大體量的用戶數(shù)據(jù)被留存于各個平臺，包括政府、電信業(yè)、醫(yī)療業(yè)、銀行、互聯(lián)網(wǎng)巨頭，數(shù)據(jù)開放程度極低、兼容性低，進而形成了眾多數(shù)據(jù)孤島。3、缺乏統(tǒng)一的信用評級體系和制度：我國各類機構不論在數(shù)據(jù)抓取維度、模型、評級方法、深度等各個方面自成體系、進展不一，缺乏統(tǒng)一的業(yè)務技術規(guī)范，存在大量的資源浪費；同時，相關立法、制度不完善，造成眾多障礙和風險。4、流量成本被推高：市場競爭激烈，參與者眾多；風險事件頻發(fā)，帶來行業(yè)性的用戶信任危機；互聯(lián)網(wǎng)馬太效應造成流量壟斷，推高獲客成本；5、團伙欺詐猛如虎：線上造假難度遠低于線下，但其造成影響巨大，遠高于普通壞賬風險。共享|賦能——金融科技向未來多重風險對行業(yè)產(chǎn)生深遠影響，行業(yè)門檻進一步提高獲客成本高風控成本高多重因素造成數(shù)據(jù)孤島；官方信用人口覆蓋不全面；缺乏統(tǒng)一的信用評級體系和制度團伙欺詐線上造假難度遠低于線下，但其造成影響巨大，遠高于普通壞賬風險。市場競爭激烈，參與者眾多，推高獲客成本；風險事件頻發(fā)，帶來行業(yè)性的用戶信任危機；互聯(lián)網(wǎng)馬太效應造成流量壟斷，推高獲客成本；第二十三頁，共38頁。共享|賦能——金融科技向未來瘋狂的流量時代已過，技術能力是關乎生死存亡的核心變量目前，從企業(yè)數(shù)量角度看，民營系依然是市場的核心參與者，占比超過80%；但從經(jīng)營質量角度看，風投系和上市公司系則占據(jù)市場主導位置，風投系+上市公司系的企業(yè)數(shù)量占比為11.4%，成交量占比49.8%、余額占比53.6%。在未來的競爭中，經(jīng)營質量將是決定生死的首要因素。影響經(jīng)營質量的細分因素體現(xiàn)在獲客效率、風控效率與能力、貸后管理能力等多方面。而排除由于企業(yè)出身的差異化資源背景，技術能力即是關乎生死存亡的核心變量。數(shù)據(jù)來源：網(wǎng)貸之家按平臺類型劃分網(wǎng)貸市場結構（2017年4月）18261026.584104.490%20%60%40%80%100%運營平臺數(shù)量成交量（億元）待還余額（億元）民營系 銀行系 上市公司系國資系 風投系各類型平臺發(fā)展情況-平均成交、待還（2017年4月）0.04.08.012.0平均成交量（億元）民營系銀行系上市公司系平均待還余額（億元）國資系 風投系第二十四頁，共38頁。共享|賦能——金融科技向未來數(shù)據(jù)來源：技術能力同樣適用零邊際成本理論，規(guī)模效應更易凸顯傳統(tǒng)企業(yè)邊際成本變動規(guī)律主要是隨產(chǎn)量增加而減少，當產(chǎn)量增加到一定程度時，就隨產(chǎn)量增加而增加，因此，邊際成本曲線也是一條先下降而后上升的“U”形曲線。而在以軟件、互聯(lián)網(wǎng)為代表的新興行業(yè)當中，在不考慮科技進步的情況下，企業(yè)邊際成本曲線所呈現(xiàn)的是先上升后下降，最終呈現(xiàn)的狀態(tài)是無限趨近于零。這是軟件、信息服務行業(yè)的成本曲線特征。而在云計算、大數(shù)據(jù)和人工智能技術快速發(fā)展的當下，獲客、風控均已成為較為成熟的技術能力，相較于需要需要承擔大量資金成本和風險撥備的信貸行業(yè)，“售賣”技術能力更易形成理想的規(guī)模效應。MCATCP=AR=MRAVC產(chǎn)量成本和收益P=MR1=MR2通過生產(chǎn)使邊際成本等于邊際收益的產(chǎn)量企業(yè)實現(xiàn)了利潤最大化QMAX產(chǎn)量成本傳統(tǒng)企業(yè)邊際成本曲線零邊際成本曲線第二十五頁，共38頁。3060

90銀行（TTM,中值）互聯(lián)網(wǎng)金融（TTM,中值）

銀行（MEDIAN）

互聯(lián)網(wǎng)金融（MEDIAN）共享|賦能——金融科技向未來較高風險敏感性和潛在規(guī)模效應所帶來的差異化市場預期2015年底至今，A股市場互聯(lián)網(wǎng)金融板塊平均估值56X，而銀行板塊平均估值僅為7倍；而美股市場老牌Fintech企業(yè)Paypal2015年底至今平均估值為36X，與之相對應的宜人貸目前估值僅為7.3X，上市以來的平均估值為12倍。導致估值差異的核心原因是對公司是否存在規(guī)模效應、潛在規(guī)模效應何時出現(xiàn)的預期差異；另一方面，對于違約、壞賬風險的敏感性程度亦是評價一家公司Tech屬性的重要因素。A股互聯(lián)網(wǎng)金融板塊估值VS銀行板塊估值宜人貸VSPAYPAL估值比較數(shù)據(jù)來源：Wind2040

6080100002015-12-182016-04-152016-08-052016-12-022017-03-242015-12-202016-03-202016-06-202016-09-202016-12-202017-03-20YRD.NPYPL.O

YRD（MEDIAN）

PAPL（MEDIAN）56

73612第二十六頁，共38頁。賦予各類平臺普惠金融的能力Chapter4第二十七頁，共38頁。數(shù)據(jù)來源：網(wǎng)貸之家。賦予各類平臺普惠金融的能力互聯(lián)網(wǎng)時代結束了么？對于我們來說才剛剛開始參照CNNIC數(shù)據(jù)，2016年底中國網(wǎng)民規(guī)模達到7.3億，滲透率超過50%，網(wǎng)民規(guī)模增長率趨于穩(wěn)定，增長紅利消失。與此同時，參照網(wǎng)貸之家數(shù)據(jù)，2016年網(wǎng)貸行業(yè)投資人數(shù)與借款人數(shù)分別約為1375萬人和876萬人，較2015年分別增加134.64%和207.37%，網(wǎng)貸行業(yè)人氣增長幅度仍然較大。2015.1-2017.5借款人數(shù)同比增速均在100%以上。網(wǎng)貸用戶滲透率僅為1.8%。因此，顯而易見的是，對于網(wǎng)貸行業(yè)來說，巨大的網(wǎng)民群體恰恰是未來增長的最好紅利。600.0%500.0%400.0%300.0%200.0%100.0%0.0%Jan-15May-15 Sep-15Jan-16 May-16 Sep-16Jan-17投資人數(shù)增速 借款人數(shù)增速16001400120010008006004002000投資人數(shù)2015借款人數(shù)20162015-2016年網(wǎng)貸投資/借款人數(shù)規(guī)模網(wǎng)貸投資/借款人數(shù)規(guī)模同比增速第二十八頁，共38頁。數(shù)據(jù)來源：艾瑞咨詢賦予各類平臺普惠金融的能力15/1000，挖掘場景下、平臺上的信貸需求iResearch研究顯示，通常商業(yè)環(huán)境中交易規(guī)模超過1000億的平臺，即具備了金融業(yè)務變現(xiàn)的基礎；在1000億交易規(guī)模中，大概能夠產(chǎn)生100億的信貸需求；100億的信貸需求，平均可以產(chǎn)生15%的利潤。與此同時，在目前的市場上，具備場景、數(shù)據(jù)資源的平臺大量存在，金融需求隱藏在眾多的消費場景、交易環(huán)節(jié)、數(shù)據(jù)平臺之中，這些資源都可以通過嫁接金融服務來進行商業(yè)變現(xiàn)。根據(jù)測算，通常商業(yè)環(huán)境中交易規(guī)模超過1000億的平臺，即具備了金融業(yè)務變現(xiàn)的基礎。在1000億交易規(guī)模中，大概能夠產(chǎn)生100億的信貸需求。100億的信貸需求，平均可以產(chǎn)生15%的利潤。第二十九頁，共38頁。91.1%84.0%82.4%74.5%68.8%64.9%63.8%63.1%57.0%50.0%45.6%40.9%37.1%33.9%32.7%28.5%26.6%18.8%16.5%13.5%8.6%1.9%1.2%400002000006000080000100000即時通信網(wǎng)絡新聞搜索引擎網(wǎng)絡視頻網(wǎng)絡音樂網(wǎng)上支付網(wǎng)絡購物地圖網(wǎng)絡游戲網(wǎng)上銀行網(wǎng)絡文學旅行預訂微博電子郵件互聯(lián)網(wǎng)政務網(wǎng)上